线性回归&Logistic回归

最新推荐文章于 2023-02-04 20:10:37 发布

原创

最新推荐文章于 2023-02-04 20:10:37 发布 · 603 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #回归问题

本文介绍了线性回归和Logistic回归两种机器学习模型。线性回归用于连续值预测，通过最小二乘法求解参数。Logistic回归则处理二分类问题，通过Sigmoid函数映射到(0,1)区间。文中还提到了最小二乘法和随机梯度下降（SGD）的应用。" 121601634,11562828,配置MySQL+PHP+Nginx环境,"['Linux系统', 'Web服务器', 'PHP开发', '数据库连接', 'Nginx配置']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

线性回归

顾名思义，线性回归是一种利用线性拟合的方式，对自变量和因变量建模的回归分析模型。这是机器学习中最简单的模型之一。

现实生活中，我们常常会遇到类似这样的问题：我们希望得到一个我们暂时不知道的结果，我们手中的信息是几个可能会对结果产生影响的因素的值，这些影响因素对结果的影响基本呈线性。这时候线性回归就可以派上用武之地了。

举个例子。我们希望预测城市中某一处房子房价p，我们可以掌握的信息是房子距离市中心的距离l、房子的面积s、房子的楼层f等。于是，我们可以用一个向量和 $\vec x=(l, s, f)$ 来表示这间房子的信息，并希望使用这些信息预测房价 $y=h_\theta (x)$ 。对线性回归而言，我们选用的 $h_\theta$ 是线性函数，同时为了产生整体的线性偏差，我们修改每个 $\vec x :=(l, s, f, 1)$ ， $h_\theta(x)=\theta^Tx$ 。假设现在我们获得了n间房屋的信息 $x_1$ , $x_2$ , …, $x_n$ 以及它们的价格 $y_1$ , y